我对xgboost和R都是相当陌生的。param1 <- list(objective = "multi:softprob" print_every_n = 10,
浏览 95提问于2017-08-24得票数 4
2回答
我的训练功能的形状是(45001,10338)，这是一个numpy数组，我的训练标签的形状是(45001)，我有1161个唯一的标签，所以我为标签做了标签编码，这也是一个numpy数组。因此，我使用上面提到的训练特性和标签作为numpy数组的直线。但是我得到了以下错误XGBoostErrorn_estimators=c
浏览 4提问于2017-07-23得票数 8
回答已采纳
1回答
我是Scala上的spark的新用户，这是我的代码，但我不知道如何计算预测和准确性。是否必须将CSV文件转换为Libsvm格式，或者是否可以直接加载CSV文件？
浏览 0提问于2019-02-03得票数 0
我试图将多输入混合输入(txt，图像) keras模型从回归输出(房价)转换为分类输出(卧室数)。特别是，我正在修改本教程。
我理解这个错误，以及如何避免它，但是，既然我没有带0间卧室的房子，为什么
浏览 0提问于2019-07-14得票数 0
回答已采纳
特性目标将数据拆分为训练集和测试集xg_cl = xgb.XGBClassifier(n_estimators = 10, objective = "binary:logistic")<em
浏览 0提问于2021-04-21得票数 0
我是Tensorflow和deep leaning的新手。我正在尝试在我的RNN模型中查看10个时期的损失是如何减少的，我创建该模型是为了从kaggle读取包含的数据集。我试图将交易分类为欺诈(1)而不是欺诈(0)。当我尝试运行下面的代码时，我一直收到下面的错误：> tensorflow/core/kernels/queue_base.cc:277]
浏览 0提问于2018-07-30得票数 18
1回答
我使用了一个训练集arff文件来训练分类器。现在我想测试一个没有class属性的实例(不是来自arff文件，必须通过代码创建)并预测类。
浏览 2提问于2012-05-18得票数 0
回答已采纳
bst = xgb.train( evals=watchlist, ) 并返回此错误表的实际大小是3707378，通过简单的数学运算，我们可以看到11122134 == 3707378 *3，令我困惑的是，如果我将参数中的num_class从3改为4，我将得到以下错误： Check failed: preds.Size() == info.labels_.Size() (14829512 vs. 3707378) : label
浏览 67提问于2020-10-05得票数 1
1回答
XGBoost倾向于少数群体
、、、、
我有一个数据集，有85k个正标签和53k个负标签。对于这个用例，我正试图将我的努力最大化到否定类(准确地识别真实的否定，并尽量减少错误的负面)。目前，我能够将xgboost分类器训练成71%的准确率，当我在测试集上测试时，我的混淆矩阵看起来是这样的。[ 3890 | 8887 ]对于这一任务，我真的很想提高我的回忆和尽量减少错误的负面。然而，即使在模型的当前状态下，如果我尝试提交43k个新记录进行预测
浏览 0提问于2020-09-21得票数 6
回答已采纳
我想知道哪个损失函数使用XGBoost进行多类分类。在二进制情况下，我发现是逻辑分类的损失函数。但是，对于多类情况，它可能与GBM (对于K类) 相同，其中如果x的标签为k，则为y_k=1，其他情况下为0，而p_k(x)是softmax函数。然而，我使用这个损失函数制作了一阶和二阶梯度，并且hessian与代码 (在SoftmaxMultiClassObj中的函数GetGradient中)中定义的梯度不匹配常数2。
浏览 4提问于2017-02-01得票数 7
回答已采纳
我使用相同的列和顺序设置了培训(X)和测试数据(test_data_process)，如下所示：但当我做的时候它给出了以下错误：
ValueError: feature_names错配：“F0”、“F1”、“f2”、“f3”、“f4”、“f5”、“f6”、“f7”、“f8”、“f9”、“f10”、
浏览 0提问于2018-09-30得票数 14
回答已采纳
1回答
分类预测出错和偏差问题
、、、、
我在分类预测方面有个问题。最初，我有一个大小为19670的数据框，包含115个变量(数字和分类)。使用ranger在训练集上训练随机森林分类模型，并在测试集上进行预测。我得到的预测结果如下现在，我获得了全新的数据，其中有2665个观察值用于分类。当我对新数据上的列车数据使用开发的模型时，我得到的预测结果如下这是错误的，因为新的数据类最初是1962 "0“和<
浏览 18提问于2020-06-05得票数 0
我正在尝试构建一个分类器，它可以确定两个地址是匹配的还是不匹配的。构造分类器的将每个地址分段为它的子组件，如街道名称、邮政编码等
预测
浏览 0提问于2020-05-09得票数 1
回答已采纳
1回答
如何减少假阳性，提高模型性能？
、、、、
我目前正在建立一个二进制分类模型来预测订单返回率。我使用GradientBoostingClassifier来训练模型，并使用RandomizedSearchCV执行超参数调优。目前，测试数据的指标如下：召回: 0.78准确度: 0.66下面的图像显示了目标标签和混淆矩阵的数据分布。如果某个品牌的回报条目比销售条目多，那么预测的回报也会超过销售额，这将导致错误的结果。
我尝试将样本权重分配给真正的标签</
浏览 0提问于2023-04-12得票数 0
我已经使用XGB分类器训练了dataset，但是我在本地得到了这个错误。它适用于Colab，而且我的朋友们对相同的代码也没有任何问题。我不知道这个错误意味着什么..。
浏览 70提问于2022-04-25得票数 13
如果我想对标记为+1或-1的数据集进行分类我得到一个与y_te相对应的输出预测的原理是:如果该元素为正，则标记+1，否则标记为-1。对于我们预测中的第一个元素，-1.0627标签-1，这是y_te中正确的分类。但是最后一个0.347在我们的预测中被标记
浏览 2提问于2020-11-05得票数 0
回答已采纳
1回答
我已经训练了一个关于数据的XGBoost回归模型，它的形状与我打算预测的测试数据不同。有什么方法可以绕过这个问题，还是一个能够容忍功能不匹配的模型？在一次分类特征的热编码过程中，输入的训练数据和测试数据不匹配。validate_parameters=1, verbosity=None)
我得到以下错误
浏览 2提问于2022-01-18得票数 1
回答已采纳
标签是这样的。如果我使用sigmoid和binary_crossentropy，我想我只能得到1或0的预测值。然而，model.predict(训练-特性)给出的值介于1到0之间，类似于0.0026。我已经尝试了categorical_crossentropy和binary_crossentropy与乙状体和最大软件的所有4种组合。
浏览 0提问于2019-04-12得票数 0
回答已采纳
2回答
如何在形状上绘制错误分类的样本？
、、、、
我试图建立一个机器学习模型来预测新基因在回归分类中的疾病评分。#index is actually the index and not a column
Score0.6我运行了一个带有嵌套交叉验证的xgboost回归器，并查看了MSE，预测了r2，并绘制了观察到的和预期的值。我可以从观察到的和预期的图中看到，Y中得分1的
浏览 3提问于2020-10-09得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
